---
title: "Rate Limits von LLM-APIs: Anbieter im Vergleich | BroadRouter"
description: "Rate Limits der Einstiegsstufen von 13 LLM-API-Anbietern laut eigener Doku: OpenAI, Anthropic, Gemini, Groq, DeepSeek, Fireworks u. a., plus was RPM und TPM heißt."
url: https://broadrouter.com/de/blog/llm-api-rate-limits-by-provider/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/llm-api-rate-limits-by-provider/) (aktualisiert am 2026-11-16).

# Rate Limits von LLM-APIs nach Anbieter: RPM, TPM und Parallelität

Vom Team von BroadNet Inference · 8 Min. Lesezeit · Veröffentlicht 2026-11-15 · Aktualisiert 2026-11-16

Rate Limits von LLM-APIs unterscheiden sich in der Art, nicht nur in der Höhe. OpenAI, Anthropic und Gemini begrenzen Anfragen und Tokens pro Minute je Nutzungsstufe. DeepSeek und DeepInfra begrenzen gleichzeitige Anfragen. Die Free Tiers von Groq und Cerebras haben zusätzlich Tageslimits. In den ersten bezahlten Stufen erlauben OpenAI und Anthropic Tausende Anfragen pro Minute; Pay-as-you-go-Schlüssel von BroadNet erlauben 30.

## Das Wichtigste in Kürze

-   Anbieter begrenzen Unterschiedliches: Anfragen pro Minute (RPM), Tokens pro Minute (TPM), Anfragen oder Tokens pro Tag, Anfragen pro Sekunde oder gleichzeitig laufende Anfragen.
-   Anbieter mit Nutzungsstufen heben die Limits mit den Ausgaben an: OpenAI Build (5 USD bezahlt) gibt 5.000 RPM; Anthropic Start gibt 4.000 RPM auf den neuesten Modellen (geprüft am 2026-11-15).
-   Anbieter mit Parallelitätslimit veröffentlichen kein RPM: DeepInfra erlaubt 200 gleichzeitige Anfragen pro Modell, DeepSeek 2.500 pro Konto auf deepseek-flash (seine Modell-ID für V4.1 Flash).
-   Free Tiers sind klein: Die Free-Tabelle von Groq zeigt 30 RPM und 1.000 Anfragen pro Tag für gpt-oss-120b; :free-Modelle bei OpenRouter erlauben 20 RPM.
-   Pay-as-you-go-Schlüssel von BroadNet erlauben 30 Anfragen pro Minute und 4 gleichzeitig, weit unter den bezahlten Stufen der großen Anbieter. Flatrate-Pläne verarbeiten eine Anfrage gleichzeitig pro Session.

**Auf dieser Seite**

1.  Was bedeuten RPM, TPM, RPD und Parallelität?
2.  Wie funktionieren Nutzungsstufen?
3.  Rate Limits von LLM-APIs nach Anbieter: die Einstiegsstufe
4.  Wie schneiden die Limits von BroadNet ehrlich gesagt ab?
5.  Wie planen Sie um ein Rate Limit herum?
6.  Wo BroadNet Inference passt

Wer nach „Rate Limits LLM API“ sucht, findet Blog-Tabellen, die sich gegenseitig widersprechen, oft weil sie alte Zahlen abschreiben. Diese Seite liest jeden Wert am 15. November 2026 aus der Dokumentation des jeweiligen Anbieters ab, nennt Stufe und Modell, für die er gilt, und lässt eine Zelle leer, wenn der Anbieter keinen Wert veröffentlicht. Dieselben Daten als herunterladbaren Datensatz, mit kostenlosem Guthaben und Bedingungen zur Datennutzung, finden Sie unter [Free Tiers und Rate Limits von LLM-APIs](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/). BroadRouter ist die eigene Website von BroadNet, und die Limits von BroadNet stehen ebenfalls in der Tabelle.

## Was bedeuten RPM, TPM, RPD und Parallelität?

Ein [Rate Limit](https://broadrouter.com/de/glossary/rate-limit/) begrenzt, wie viel Sie in einem Zeitfenster senden dürfen. Die Anbieter zählen Unterschiedliches:

| Limit | Was es zählt | Trifft Sie am stärksten, wenn |
| --- | --- | --- |
| RPM, Anfragen pro Minute | In einer Minute gestartete Anfragen | Sie viele kurze Aufrufe senden (Klassifizierung, Schleifen im Stil von Embeddings) |
| RPS, Anfragen pro Sekunde | Dasselbe, über eine Sekunde | Sie in Schüben senden, auch wenn der Minutendurchschnitt niedrig ist |
| TPM, Tokens pro Minute | In einer Minute verarbeitete Tokens, manchmal getrennt nach Input (ITPM) und Output (OTPM) | Sie lange Prompts oder lange Dokumente senden |
| RPD / TPD, pro Tag | Anfragen oder Tokens an einem Tag | Sie einen Batch-Job in einem Free Tier ausführen |
| [Parallelität](https://broadrouter.com/de/glossary/concurrency/) | Im selben Moment laufende Anfragen | Anfragen langsam sind: Reasoning, lange Outputs, Agenten |

Welches Limit greift, hängt von der Form Ihrer Anfragen ab. Bei Parallelitätslimits hängt der Durchsatz von der Dauer der Anfragen ab: Die Doku von DeepInfra rechnet vor, dass 200 gleichzeitige Anfragen bei durchschnittlich einer Sekunde etwa 12.000 RPM ergeben. Eine 30-sekündige Reasoning-Anfrage bei derselben Parallelität ergibt nur einen Bruchteil davon.

Die meisten Anbieter setzen Limits außerdem über kürzere Zeitfenster durch, als sie veröffentlichen. Anthropic schreibt, ein Limit von 60 RPM „might be enforced as 1 request per second“ (Übersetzung: könnte als 1 Anfrage pro Sekunde durchgesetzt werden), und xAI leitet sein Sekundenlimit aus dem Minutenbudget ab („RPM / 48, with a minimum of 2“; Übersetzung: RPM / 48, mindestens 2).

## Wie funktionieren Nutzungsstufen?

Die großen Anbieter geschlossener Modelle heben Ihre Limits an, je mehr Sie ausgeben:

| Anbieter | Stufen (geprüft am 2026-11-15) | Wie Sie aufsteigen |
| --- | --- | --- |
| OpenAI | Free, Build, Launch, Grow | Free: Nutzer muss in einer zugelassenen Region sein; monatliches Nutzungslimit 100 USD (eine Ausgabengrenze, kein Guthaben). Danach Guthabenkäufe von insgesamt 5 USD, 100 USD und 500 USD, mit monatlichen Nutzungslimits von 500 USD, 5.000 USD und 200.000 USD |
| Anthropic | Evaluation, Start, Build, Scale, Custom | Automatisch, nach Nutzungshistorie und Kontostatus. Monatliche Ausgabenobergrenzen: Start 500 USD, Build 1.000 USD, Scale 200.000 USD |
| Google Gemini API | Free, Tier 1, Tier 2, Tier 3 | Tier 1 erfordert ein verknüpftes Rechnungskonto; Tier 2 erfordert 100 USD bezahlt plus 3 Tage; Tier 3 1.000 USD plus 30 Tage. Google nennt die angegebenen Rate Limits „not guaranteed“ (Übersetzung: nicht garantiert) und gibt bei Erhöhungsanfragen „no guarantees“ (Übersetzung: keine Garantien) |
| Fireworks AI | Tier 1 bis Tier 4 | Zahlungsmethode für Tier 1, dann 50 USD, 500 USD und 5.000 USD an Ausgaben oder Guthaben. Die Stufen erhöhen TPM, nicht RPM |
| xAI | Tier 0 bis Tier 4, Enterprise | Kumulierte Ausgaben seit dem 1. Januar 2026: 0, 50, 250, 1.000 und 5.000 USD |

Zwei Details zählen in der Praxis. Die Ausgabenobergrenze von Anthropic liefert beim Erreichen HTTP 429 ohne `retry-after`\-Header; automatische Retries scheitern also weiter, bis der Monat zurückgesetzt wird oder Sie die Stufe wechseln. Und das Input-Limit von Anthropic zählt nur nicht gecachten Input: Cache-Lesezugriffe zählen nicht, eine hohe Cache-Quote erhöht also Ihren tatsächlichen Durchsatz.

## Rate Limits von LLM-APIs nach Anbieter: die Einstiegsstufe

Werte für die kostenlose oder erste bezahlte Stufe jedes Anbieters, von dessen eigener Rate-Limit-Seite. Ein Strich bedeutet, dass die Seite für dieses Limit keine Zahl veröffentlicht; er bedeutet nicht unbegrenzt.

| Anbieter | Stufe und Modell | RPM | TPM | Pro Tag | Parallelität |
| --- | --- | --- | --- | --- | --- |
| OpenAI | Build; Astra, Sol, Terra | 5.000 | 1.000.000 | – | – |
| OpenAI | Build; Luna | 5.000 | 2.000.000 | – | – |
| Anthropic | Start; Sonnet 5.5, Opus 5.5, Haiku 5.5 | 4.000 | 2.000.000 Input (nicht gecacht), 400.000 Output | – | – |
| Google Gemini API | Free; Gemini Decision 1 (einziges Modell mit kostenlosen Werten auf der Seite) | 200 | 50.000 | 10.000 Anfragen | – |
| Google Gemini API | Tier 1; Gemini Decision 1 | 1.500 | 1.000.000 | 50.000 Anfragen | – |
| Groq | Tabelle des Free Plan; openai/gpt-oss-120b, qwen/qwen3.8-27b | 30 | 8.000 | 1.000 Anfragen, 200.000 Tokens | – |
| Groq | Tabelle des Developer Plan; openai/gpt-oss-120b, qwen/qwen3.8-27b | 1.000 | 250.000 | 500.000 Anfragen | – |
| Cerebras | Free Trial; gpt-oss-120b | 5 | 30.000 nicht gecacht (90.000 insgesamt) | 1.000.000 Tokens | – |
| Cerebras | Developer (Pay-as-you-go); gpt-oss-120b | 1.000 | 500.000 nicht gecacht (1.500.000 insgesamt) | Keine Obergrenze | – |
| Fireworks AI | Ohne Zahlungsmethode oder Guthaben; kontoweit | 10 | – | – | – |
| Fireworks AI | Mit Zahlungsmethode und Guthaben; kontoweit | 6.000 | Nach Ausgabenstufe | – | – |
| DeepInfra | Standard; pro öffentlichem Modell | – | – | – | 200 |
| DeepSeek | Standard; `deepseek-flash` (DeepSeek-V4.1-Flash-1017), pro Konto | – | – | – | 2.500 |
| DeepSeek | Standard; `deepseek-v4-pro` (DeepSeek-V4-Pro-0813), pro Konto | – | – | – | 500 |
| xAI | Tier 0; grok-4.7 (150 RPS) | – | 50.000.000 | – | – |
| OpenRouter | :free-Modelle, unter 10 USD an gekauften Credits | 20 | – | 50 Anfragen | – |
| OpenRouter | :free-Modelle, 10 USD oder mehr an gekauften Credits | 20 | – | 1.000 Anfragen | – |
| Cohere | Trial-Schlüssel; Command A | 20 | – | 1.000 Aufrufe pro Monat | – |
| Cohere | Production-Schlüssel; Command A | 500 | – | – | – |
| BroadNet Inference | Pay-as-you-go-Schlüssel; jedes Modell | 30 | – | – | 4 |
| BroadNet Inference | Stundenschlüssel; Gemma 4 VL 26B | 120 | 300,000 | – | 1 Stream |
| BroadNet Inference | Session eines Flatrate-Plans; DeepSeek V4.1 Flash | – | Kein Token-Zähler | – | 1 Anfrage gleichzeitig |

Hinweise zu den Zeilen:

-   **Groq.** Die Seite hat zwei Reiter, „Free Plan Limits“ (standardmäßig geöffnet) und „Developer Plan Limits“. Der Satz darüber nennt die Werte „the base limits for the Developer plan“ (Übersetzung: die Basislimits des Developer-Plans), was nur auf den zweiten Reiter passt; die Tabelle oben zeigt beide. Die genauen Limits Ihrer Organisation stehen auf deren Limits-Seite.
-   **Google.** Die Limits gelten pro Projekt, nicht pro API-Schlüssel. Die Werte der meisten Modelle erscheinen nur in AI Studio. Gemini Decision 1 ist ein Klassifizierungsmodell für Googles Decisions API: Es liefert Wahrscheinlichkeiten statt Text, daher sagen seine Limits wenig über die Gemini-Chatmodelle.
-   **Mistral und Together AI** veröffentlichen keine Zahlen. Mistral zeigt Ihre Limits in der Konsole, statt eine Tabelle zu veröffentlichen, und bietet keinen kostenlosen API-Zugang („It doesn’t include API access“; Übersetzung: Er umfasst keinen API-Zugang). Together schreibt, dass es bei hoher Nachfrage „may limit requests“ (Übersetzung: Anfragen begrenzen kann), und setzt für beliebte Modelle unter Umständen eigene Limits.
-   **OpenRouter.** Bezahlte Modellvarianten haben „no platform-level request cap“ (Übersetzung: keine Anfrageobergrenze auf Plattformebene), aber die Anbieter hinter jedem Modell haben weiterhin eigene Limits.
-   **DeepSeek.** Bei hoher Last hält DeepSeek die Verbindung mit leeren Zeilen oder `: keep-alive`\-Kommentaren offen und schließt sie, wenn die Inferenz nicht innerhalb von 10 Minuten begonnen hat. Stellen Sie den Timeout Ihres Clients darauf ein.

## Wie schneiden die Limits von BroadNet ehrlich gesagt ab?

Für Arbeit mit hohem Volumen sind sie niedrig. Ein Pay-as-you-go-Schlüssel von BroadNet erlaubt 30 Anfragen pro Minute und 4 gleichzeitig, während die ersten bezahlten Stufen von OpenAI und Anthropic Tausende Anfragen pro Minute erlauben und Fireworks 6.000, sobald eine Karte hinterlegt ist. Wenn Sie Tausende kurze Anfragen pro Minute über einen Schlüssel schicken müssen, passt die bezahlte Stufe eines großen Anbieters besser.

Zu anderen Lastprofilen passen die Limits:

-   **Agenten und Chat.** Ein Agent sendet eine Anfrage nach der anderen und wartet. 4 gleichzeitige Anfragen reichen für einige Agenten pro Schlüssel; ein Schlüssel pro App oder Teammitglied verteilt die Last.
-   **Flatrate-Pläne.** Eine Session von Full Moon, Orbit oder Meteor hat keinen Token-Zähler und keine Tages- oder Wochenobergrenze, verarbeitet aber eine Anfrage gleichzeitig bei einer typischen Geschwindigkeit von etwa 100 Tokens pro Sekunde. Um Agenten parallel laufen zu lassen, kaufen Sie für jeden eine Session. [Wie viele Sessions Sie brauchen](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/).
-   **Stundenschlüssel.** Für $0.50 pro Stunde erhalten Sie einen Gemma-4-VL-26B-Stream mit 120 Anfragen und 300,000 Tokens pro Minute.

Alle Limits von BroadNet liefern HTTP 429. Die API-Referenz nennt kein `retry-after`\-Timing; nutzen Sie also begrenztes Backoff mit Jitter.

## Wie planen Sie um ein Rate Limit herum?

1.  **Finden Sie Ihr bindendes Limit.** Ermitteln Sie Anfragen pro Minute, Tokens pro Minute und gleichzeitige Anfragen für Ihren Spitzen-Traffic. Der [Rate-Limit-Rechner für LLMs](https://broadrouter.com/tools/llm-rate-limit-calculator/) rechnet das aus Anfragegröße und Latenz aus.
2.  **Drosseln Sie im Client.** Ein Token Bucket, der dem veröffentlichten Limit entspricht, vermeidet die meisten 429-Fehler. Anthropic nutzt serverseitig denselben Algorithmus.
3.  **Lesen Sie die Header.** Anthropic liefert `anthropic-ratelimit-*`\-Header; Groq liefert `x-ratelimit-*`\-Header, wobei sich sein Anfrage-Header „always refers to Requests Per Day“ (Übersetzung: bezieht sich immer auf Anfragen pro Tag). Nutzen Sie `retry-after`, wenn vorhanden.
4.  **Wiederholen Sie mit Backoff und Jitter, und begrenzen Sie die Retries.** [429-Fehler behandeln](https://broadrouter.com/de/blog/handle-llm-api-429-rate-limits/) enthält funktionierenden Code, und [Fehler und Retries](https://broadrouter.com/de/guides/errors-and-retries/) behandelt die Statuscodes von BroadNet.
5.  **Cachen Sie stabile Präfixe.** Bei Anthropic zählt gecachter Input nicht zum Input-Limit. Überall senkt er die Kosten.
6.  **Verteilen Sie Massenjobs.** Anthropic wendet außerdem Ramp-Limits an: Ein plötzlicher Traffic-Sprung kann unterhalb Ihres Limits 429 auslösen. Starten Sie Batch-Jobs langsam. Ohne Batch API hält ein [fortsetzbarer Batch-Runner](https://broadrouter.com/de/blog/llm-batch-processing-without-batch-api/) einen Job innerhalb seiner Limits.
7.  **Fragen Sie nach mehr.** DeepSeek, DeepInfra, Mistral und Anthropic beschreiben alle einen Weg, höhere Limits zu beantragen.

## Wo BroadNet Inference passt

BroadRouter ist die eigene Website von BroadNet; gewichten Sie diesen Abschnitt entsprechend. BroadNet Inference ist nicht die Wahl für sehr hohe Anfrageraten über einen Schlüssel: Die veröffentlichten Limits pro Schlüssel liegen deutlich unter den bezahlten Stufen von OpenAI, Anthropic, Fireworks oder Cerebras. Es passt zu Agenten- und Chat-Workloads, die wenige Anfragen gleichzeitig senden, besonders mit einem Flatrate-Plan, bei dem ein ausgelasteter Agent weder Token-Zähler noch Tagesobergrenze hat. Neue Konten erhalten $5 Startguthaben für Gemma 4 VL 26B, die beiden Transkriptionsmodelle und Gemma-Stundenschlüssel; DeepSeek, GLM und Qwen erfordern eine Aufladung. Self-Service hat kein SLA. [Die API-Limits lesen](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-llm-api-rate-limits-by-provider&utm_content=body) oder [Pläne vergleichen](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-llm-api-rate-limits-by-provider&utm_content=body).

Kostenlose Tools zum Thema (auf Englisch)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Rate Limit (Ratenbegrenzung)](https://broadrouter.com/de/glossary/rate-limit/)

Ein Rate Limit ist eine Obergrenze, die eine API festlegt, wie stark ein Client sie in einem Zeitfenster nutzen darf, etwa Anfragen pro Minute oder Tokens pro Minute. Anfragen über dem Limit werden abgelehnt, meist mit HTTP 429 Too Many Requests, bis die Nutzung wieder darunter liegt.

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/)

Concurrency (Parallelität) ist die Zahl der Anfragen, die ein Client gleichzeitig offen hat. LLM-APIs begrenzen sie oft pro Schlüssel oder Plan, getrennt von den Anfragen pro Minute, weil jede offene Anfrage GPU-Kapazität belegt, bis ihre Antwort fertig ist.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Durchsatz (Throughput)](https://broadrouter.com/de/glossary/throughput/)

Durchsatz (Throughput) ist beim Betrieb von LLMs die gesamte Arbeit, die ein System pro Zeiteinheit über alle gleichzeitigen Anfragen erledigt, meist gemessen in Output-Tokens pro Sekunde oder Anfragen pro Sekunde. Er unterscheidet sich von der Geschwindigkeit pro Stream, also davon, wie schnell eine einzelne Anfrage ihre Tokens erhält.

[Ausgabenlimit (Spend Limit)](https://broadrouter.com/de/glossary/spend-limit/)

Ein Ausgabenlimit (Spend Limit) ist eine Obergrenze dafür, wie viel ein API-Konto, Projekt oder Schlüssel in einem Zeitraum ausgeben darf, meist pro Monat. Ist sie erreicht, lehnt der Anbieter weitere Anfragen ab, oft mit HTTP 429 oder 400, bis der Zeitraum neu beginnt oder das Limit erhöht wird.

[Batch API](https://broadrouter.com/de/glossary/batch-api/)

Eine Batch API ist ein asynchroner LLM-Endpoint, der viele Anfragen auf einmal annimmt, meist als Datei, sie innerhalb eines festgelegten Zeitfensters statt sofort verarbeitet und die Ergebnisse gesammelt zurückgibt. Anbieter wie OpenAI und Anthropic berechnen Batch-Anfragen mit Rabatt gegenüber ihren Standard-APIs.

[LLM-Flatrate (Flat-rate LLM plan)](https://broadrouter.com/de/glossary/flat-rate-llm-plan/)

Eine LLM-Flatrate ist ein Plan, der für den Zugang zu einer Sprachmodell-API einen Festpreis pro Zeitraum, etwa pro Monat, berechnet statt pro Token. Solche Pläne begrenzen meist etwas anderes, etwa Parallelität, Geschwindigkeit, Modelle oder Nutzungsfenster. Die Limits zählen also so viel wie der Preis.

## Häufige Fragen

### Welche Rate Limits hat die OpenAI API in der ersten bezahlten Stufe?

Laut Rate-Limit-Leitfaden von OpenAI (geprüft am 15. November 2026) erreicht man die Stufe Build mit insgesamt 5 USD an Guthabenkäufen, bei einem monatlichen Nutzungslimit von 500 USD. Build erlaubt 5.000 RPM und 1.000.000 TPM auf Astra, Sol und Terra sowie 5.000 RPM und 2.000.000 TPM auf Luna. Die Limits gelten pro Organisation und pro Projekt.

### Welche Rate Limits hat die Anthropic API?

In der Stufe Start erlauben Claude Sonnet 5.5, Opus 5.5 und Haiku 5.5 jeweils 4.000 RPM, 2.000.000 Input-Tokens pro Minute und 400.000 Output-Tokens pro Minute (geprüft am 15. November 2026). Nur nicht gecachter Input zählt zum Input-Limit. Neue Organisationen beginnen unter Umständen in der niedrigeren Stufe Evaluation.

### Welche kostenlosen Rate Limits hat Groq?

Die veröffentlichte Tabelle von Groq (geprüft am 15. November 2026) zeigt 30 Anfragen pro Minute, 1.000 Anfragen pro Tag, 8.000 Tokens pro Minute und 200.000 Tokens pro Tag für openai/gpt-oss-120b und qwen/qwen3.8-27b. Groq weist darauf hin, dass die genauen Limits Ihrer Organisation auf deren Limits-Seite stehen. Die Tabelle des Developer Plan zeigt für dieselben Modelle 1.000 Anfragen pro Minute, 500.000 Anfragen pro Tag und 250.000 Tokens pro Minute.

### Hat die DeepSeek API Rate Limits?

Ja, in Form von Parallelität. DeepSeek erlaubt pro Konto 2.500 gleichzeitige Anfragen auf deepseek-flash und 500 auf deepseek-v4-pro und gibt darüber HTTP 429 zurück. Höhere Limits gibt es auf Anfrage ohne Aufpreis (geprüft am 15. November 2026).

### Was ist der Unterschied zwischen RPM, TPM und Parallelität?

RPM zählt die pro Minute gestarteten Anfragen. TPM zählt die pro Minute verarbeiteten Tokens, manchmal getrennt nach Input und Output. Parallelität zählt die Anfragen, die im selben Moment laufen; lange Anfragen schöpfen sie also auch bei niedrigem RPM aus.

### Welche Rate Limits hat BroadNet Inference?

Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig. Ein Stundenschlüssel erlaubt 120 Anfragen pro Minute, 300,000 Tokens pro Minute und 1 Stream auf Gemma 4 VL 26B. Eine Session eines Flatrate-Plans verarbeitet eine Anfrage gleichzeitig. Bei Überschreitung geben alle HTTP 429 zurück.

## Weiterlesen

-   [LLM-API-Fehler 429 behandeln: Backoff, Jitter und Limiter](https://broadrouter.com/de/blog/handle-llm-api-429-rate-limits/)
-   [Parallele Coding-Agenten mit einer LLM-API-Flatrate betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM-Batch-Verarbeitung ohne Batch API: ein fortsetzbarer Runner](https://broadrouter.com/de/blog/llm-batch-processing-without-batch-api/)
-   [LLM-API-Anbieter auswählen: Checkliste mit 20 Punkten](https://broadrouter.com/de/blog/choose-llm-api-provider-checklist/)
-   [Kostenloses LLM-API-Guthaben: Wie weit Startguthaben wirklich reicht](https://broadrouter.com/de/blog/free-llm-api-credit/)
-   [GPU-Hardware und Serving von BroadNet, wie BroadNet sie beschreibt](https://broadrouter.com/de/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/)
-   [Anleitung: Fehlercodes von BroadNet Inference: Wann ist ein Retry sinnvoll?](https://broadrouter.com/de/guides/errors-and-retries/)
-   [Anleitung: So funktionieren die unbegrenzten LLM-API-Pläne für Agenten](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-llm-api-rate-limits-by-provider&utm_content=page-cta) ·

**Quellen**

-   [Doku der OpenAI API, Rate Limits und Nutzungsstufen (geprüft am 2026-11-15)](https://developers.openai.com/api/docs/guides/rate-limits)
-   [Doku der Claude API, Rate Limits, Ausgabenobergrenzen, cache-bewusstes ITPM und Ramp-Limits (geprüft am 2026-11-15)](https://platform.claude.com/docs/en/api/rate-limits)
-   [Doku von Google AI Studio, Rate Limits und Nutzungsstufen der Gemini API (geprüft am 2026-11-15)](https://aistudio.google.com/docs/rate-limits)
-   [Doku von Mistral, Nutzungslimits (geprüft am 2026-11-15)](https://docs.mistral.ai/admin/billing-usage/usage-limits)
-   [Doku von Groq, Tabelle der Rate Limits und Header (geprüft am 2026-11-15)](https://console.groq.com/docs/rate-limits)
-   [Doku von Together AI, Rate Limits (geprüft am 2026-11-15)](https://docs.together.ai/docs/rate-limits)
-   [Doku von Fireworks AI, Rate Limits und Ausgabenstufen (geprüft am 2026-11-15)](https://docs.fireworks.ai/guides/quotas_usage/rate-limits)
-   [Doku von DeepInfra, Rate Limits (geprüft am 2026-11-15)](https://docs.deepinfra.com/account/rate-limits)
-   [Inferenz-Doku von Cerebras, Rate Limits nach Stufe (geprüft am 2026-11-15)](https://inference-docs.cerebras.ai/support/rate-limits)
-   [Doku der DeepSeek API, Rate Limit und Parallelität (geprüft am 2026-11-15)](https://api-docs.deepseek.com/quick_start/rate_limit)
-   [Doku der DeepSeek API, Modelle und Preise: Modell-IDs und Versionen (geprüft am 2026-11-15)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Doku von OpenRouter, API-Limits (geprüft am 2026-11-15)](https://openrouter.ai/docs/api_reference/limits)
-   [Doku von Cohere, Rate Limits (geprüft am 2026-11-15)](https://docs.cohere.com/docs/rate-limits)
-   [Doku von xAI, Rate Limits und Stufen (geprüft am 2026-11-15)](https://docs.x.ai/developers/rate-limits)
-   [API-Referenz von BroadNet Inference, Limits (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-llm-api-rate-limits-by-provider&utm_content=sources)
-   [Pläne von BroadNet Inference, Sessions (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-llm-api-rate-limits-by-provider&utm_content=sources)
